Materi
Anotasi data adalah memberi label pada data mentah supaya bisa dipakai melatih atau menguji sistem. Keputusan pertama adalah unit anotasi: satu label ditempelkan pada apa. TREC, program evaluasi pencarian milik NIST, menilai satu dokumen utuh terhadap satu topik. PASCAL VOC, dataset gambar Universitas Oxford, memberi label per objek di dalam gambar: kelasnya, kotak pembatasnya, dan beberapa penanda seperti truncated atau difficult. Unit yang berbeda menghasilkan dataset yang berbeda, walaupun datanya sama.
Keputusan kedua adalah skema label, yaitu daftar kelas yang boleh dipilih. Skema yang sehat punya dua sifat. Saling lepas: satu unit tidak bisa sah masuk dua kelas sekaligus, atau ada aturan prioritas yang memutuskan. Mencakup semua kasus: setiap unit punya tempat, termasuk unit yang tidak memberi cukup informasi. Untuk itu disediakan kategori tidak dapat ditentukan (TDD) yang definisinya tertulis. VOC memakai gagasan serupa: arah pandang objek dibiarkan Unspecified bila meragukan, dan objek yang tidak bisa dikenali tanpa banyak konteks ditandai difficult.
Pedoman contoh yang dipakai di kelas ini, untuk tiket layanan pelanggan toko daring fiktif TokoKita:
| Label | Definisi (bukti yang harus ada di teks tiket) | Contoh |
|---|---|---|
| PEMBAYARAN | Menyebut transaksi uang yang sudah atau akan dilakukan: transfer, saldo terpotong, tagihan, pengembalian dana | “Sudah transfer tapi pesanan belum diproses” |
| PENGIRIMAN | Menyebut status, lokasi, keterlambatan, atau kerusakan paket dalam perjalanan | “Paket belum bergerak dari gudang Bekasi” |
| AKUN | Menyebut masuk (login), kata sandi, PIN, nomor HP atau email terdaftar, atau akun diblokir | “Lupa kata sandi, email tidak menerima tautan” |
| TDD | Tidak dapat ditentukan: tidak menyebut satu pun unsur di atas | “Halo kak, mau tanya” |
Bila lebih dari satu label cocok, prioritasnya PEMBAYARAN > PENGIRIMAN > AKUN.
